首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

多目标矿业复杂图像特征提取与分类

摘要第1-6页
ABSTRACT第6-12页
第一章 绪论第12-18页
   ·图像特征提取及分类在矿业领域的研究意义第12页
   ·矿业领域图像特征提取研究第12-15页
     ·颜色特征提取研究第13页
     ·纹理特征提取研究第13-14页
     ·形状特征提取研究第14-15页
   ·矿石图像的分类研究第15-16页
   ·研究内容第16-18页
第二章 矿石形状特征提取第18-32页
   ·矿石图像预处理第18-20页
   ·基于分水岭方法的矿石目标提取第20-25页
     ·分水岭分割算法第20-24页
     ·矿石图像分割实验第24-25页
   ·目标区域形状特征提取第25-30页
     ·目标区域边界提取第25-27页
     ·区域形状特征值提取第27-29页
     ·矿石形状特征提取实验第29-30页
   ·本章小结第30-32页
第三章 矿石颜色纹理特征提取第32-48页
   ·矿石图像增强第32-37页
     ·灰度变换增强第32-34页
     ·双边滤波参数讨论第34-37页
   ·矿石纹理特征提取第37-41页
     ·灰度共生矩阵特点第37-38页
     ·矿石目标纹理特征选取第38-40页
     ·纹理特征聚类效果第40-41页
   ·矿石颜色特征提取第41-45页
     ·颜色模型选择第42-43页
     ·矿石颜色特征提取第43-44页
     ·颜色特征聚类实验第44-45页
   ·本章小结第45-48页
第四章 矿石图像目标分类第48-64页
   ·图像像素颜色和纹理特征融合第48-52页
     ·图像像素颜色纹理特征融合第48-49页
     ·融合特征集降维第49-52页
     ·特征集聚类结果及分析第52页
   ·矿石目标内像素特征融合第52-55页
     ·目标区域内颜色和纹理特征融合第53页
     ·目标区域内纹理颜色和形态特征融合第53-54页
     ·聚类结果及分析第54-55页
   ·分类训练样本提取第55-58页
     ·矿石目标样本的选取第55-57页
     ·样本特征的提取第57-58页
   ·SVM在矿石目标分类中的应用第58-62页
     ·SVM核函数选择第58-61页
     ·SVM分类结果分析第61-62页
   ·本章小结第62-64页
第五章 总结与展望第64-66页
   ·总结第64页
   ·展望第64-66页
参考文献第66-70页
致谢第70-72页
研究成果及发表的学术论文第72-74页
作者和导师简介第74-75页
硕士研究生学位论文答辩委员会决议书第75-76页

论文共76页,点击 下载论文
上一篇:信息隐藏技术在隐秘通信中的应用研究
下一篇:关键动设备远程监测诊断集群化、智能化系统的研究与应用